当前的世界环境

介绍

定量估计区域降雨量和温度的时间分布对于不同目的，对水文建模，液压结构建模，洪水预测，地表水建模，地下水建模，农业建模，作物调度，蒸发建模等的不同目的是重要的。高温可以导致一个地区的恶化，也是森林火灾的原因。高温还负责降低现场的产量和作物损坏。低温能够引起大雪和霜。大雨降雨是丘陵地区平面区洪水的原因。所有负责人负责气候变化的因素之间的突出，温室气体将是降雨量不确定性的主要因素，而温度变异，印度也受到此因素的影响。在世界各地发生降雨和温度升高模式的变化。在印度，大多数农业领域，根据气候的影响主要在印度的降雨，降雨在决定国家的总经济方面具有重要作用。因此，对一个区域的计量数据的趋势和模式的研究对于检测长期气候变化及其影响是重要的（耆那教等等。，2012）。根据许多研究，整个世界的气候变化和证据都不一样。在某些领域，预期降雨或温度降低的增加，而其他地区同时可能会降雨量减少或温度增加。如果温度较高，它会导致形成云的形成。随着温度高，大气可能含有更多的水蒸气，这负责大雨如夏季雷雨。

世界各地，要知道气候变化的影响，许多研究人员一直在努力降雨和温度的趋势，以预测气候的长期变化。张等等。，(2007)研究了埃塞俄比亚的年降雨量趋势，了解了13个流域的降雨量的变异性、数量和变化。通过这项研究，他们确定了研究区域降雨量变化的显著性水平和值。哈里斯等等。，（2010年）采用曼恩肯德尔考试了解比哈尔三大代表农业生态区的降雨量和温度的重大趋势。耆等等。，（2012）曼恩肯德尔和三坡估计试验分析了印度东北州的降雨量和温度趋势。yadav.等等。，(2014)对北阿坎德邦的降水和气温进行季节性趋势分析，了解该地区整体变化不显著。Meshram等等。，（2016）使用长期降水数据通过线性回归，Mann-Kendal和SAN Slope估算试验分析印度Chhattisgarh州降水的季节性趋势。Longueville.等等。，（2015）研究了Burkina Faso的降雨和温度的长期趋势。降雨，温度和雨天的趋势是确定的。他们观察到这一领域的Tren没有显示出降雨和温度的显着趋势。

Udaipur位于印度的那个地区之一，平均降雨量低于印度的平均降雨，也遭受了高温。因此，对于农业活动，作物水平模型的目的，确定不同季节的降雨和温度趋势是重要的，并了解该地区的干旱状况和生产力。

研究区和数据使用

这项研究对拉贾斯坦邦的Udaipur区进行了。研究区域的经度和纬度为73^0.42'和24^0.45'分别在平均海平面上方582.17米（图1）。Udaipur由于季风季节的西南季风而获得最大的降雨，并且在所有其他季节降雨对于该地区非常低。因此，每日降雨量以及季节性降雨量始终存在广泛的变化。

图1：UDAIPUR的学习地图 点击这里查看图

在这项研究中，37年的每日数据来自拉贾斯坦邦政府水资源部门的网站。利用逐日资料，根据不同季节确定降水趋势、最高气温趋势和最低气温趋势。季节雨量资料是加上当年某一季节的日雨量资料而得到的，最高和最低气温资料则是根据当年某一季节的最高和最低日气温的平均值得到的。

对于季节性分析，每年被分为四个气候赛季，即冬季包括2个月（1月和2月），季前欧农村（3月至5月），季风包括5个月（6月至10月），并在最后，季风包括2个月（11月和12月）（Rao 1981; Jain等等。，2012）。之后，数据已经分析了季节。

方法

在本研究中，为了确定降雨趋势，最大温度趋势和最低温度趋势的非参数测试。受异常值影响的非参数测试测试并表示线性依赖的衡量标准（Yadav等等。，2014;Lanzante 1996;罗西等等。，1992）。在非参数测试中，用于检测意义趋势，已经使用了Mann-KendAll统计数据，并确定使用趋势幅度SAN斜率估计器。

Mann-Kendall统计：Mann-Kendall统计数据用于确定积压数据的重要趋势。趋势分析Mann-Kendall统计是检测趋势的最佳方法之一，并连续使用（耆那教等等。，2012;Kumar.等等。，2018）.在本研究中，利用Mann-Kendall统计量确定了显著的降雨趋势以及最高气温趋势和最低气温趋势。在这个统计中，原假设集作为数据是没有趋势的，备选假设集作为数据是有趋势的，可能是增加的趋势，也可能是减少的趋势。该方法受离群值的影响较小，更适合于非正态分布的数据。(库马尔等等。，2018）.

让y₁，Y.₂，Y._3.，...，y_m是mdata，然后可以给出mann-kendall统计数据

其中表示Mann-Kendall统计，M是所采取的观察总数和Y_问：ISQ.^TH.观察和y_P.是p.^TH.总共观察。

让（Y._问：- y_P.）=α.

计算S的方差计算为

NIS，NIS存在的总绑定组和T（p）是p中的数据总数^TH.捆绑的小组。

SAN的斜率估计测试：SAN的斜坡估计用于确定数据趋势的大小。此方法考虑时间序列数据遵循线性趋势。如果X._P.＆ X_问：被视为M和N时间的时间序列数据的值，如p> q。

斜坡（q_一世)的值计算为

QValues的中位数_一世是SEN的斜坡斜率估计器，可以计算为：

结果和讨论

降雨和温度的统计参数：在季风季节在乌代普尔区获得的最大降雨，平均为558.72mm，在研究期间，标准偏差为203.85毫米。在冬季获得5.32毫米的最低平均降雨量，标准偏差为9.33毫米。（表格1）。在季风季节获得降雨的最小变化，在季后赛季节中获得了降雨的最大变化。

在季风前后获得39岁的最大平均平均温度随后是季风季节。在季风季节获得最高温度的最小变化，冬季获得了最大变化（表2）。在季风季节的平均最低温度下，最大变异为27.12％，冬季季节的变异24.38％（表3）。

表1：季节降雨的统计参数

表2：最高温度的统计参数

表3：最小温度的统计参数

趋势的意义：对于天气趋势的检测是Mann-Kendall在降雨中的显着或不显着，最高温度和UDAipur区MAMM-KENDALL统计的最低温度。由Mann-Kendall测试获得的结果列于表4中。

表4：季节性降雨的Mann-Kendall测试趋势检测

^*显着的负面趋势和^**显着的积极趋势在10％的意义水平

基于Mann-Kendall测试，在降雨冬季和季风季节的季节和季风季节呈现出显着的负面趋势，其中季风和季风患者存在正趋势，但在10％的意义下具有显着性。在最高温度下，季风和季风季节的显着积极趋势，而冬季季后季节的最高温度也增加但没有显着。最后，最低温度显示在冬季和季风前的显着趋势，而在季风后最小温度趋势显着下降。季季季节在最小温度下显示出负趋势，但在10％水平下没有显着显着。

图2：Mann-Kendal的不同季节的统计数据 点击这里查看图

趋势幅度：降雨趋势的幅度，SAN的坡度估计测试也计算了最高温度和最低温度，并获得了表5中获得的结果。

表5：San的坡度估计

基于SAN的坡估计，冬季的降雨降低-0.033mm，其中季风和季风季节增加0.269mm和0.057mm。季后赛季节没有显示出任何结果，因为蒙府的降雨不是Udaipur区的线性。UDAIPUR区的最高温度已被观察到所有季节的增加0.004^0.C在冬天，0.789^0.C在季风前，0.043^0.C在季风和0.002^0.C分别在季风季节。最低温度显示增加0.583^0.c在冬天和0.085^0.C在季风季季节，而-0.011的降低^0.C和-0.040^0.C在季风和季风季节。

图3：SAN的不同季节的斜率值 点击这里查看图

百分比变化：在研究中，在计算了趋势幅度后，根据趋势幅度的百分比变化确定了降水量的最高温度和最低温度。从1975年到2013年，39年的总百分比变化见表6。

表6：1975年至2013年研究气候特征的百分比变化

从表6中，在冬季观察到的降雨量的最大变化240.16％，然后在季风季节进行24.82％。作为季风季节的San的斜坡幅度为零，因此季季季节季节不会显示任何降雨的变化。所有季节最高温度的变化显示出正百分比的变化。在季风季节前观察到最大的温度升高85.94％，在季风季节中观察到0.29％的温度最小增加。冬季最大程度地观察到最低温度的变化，达到296.44％，随后是季风季节增加16.17％。季风季节显示最低温度下降21.05％，季季季节也显示出最低温度下降2.08％。

结论

气候变化会影响生活的所有方面。降雨量降低将导致水可用性降低。像印度这样的国家，农业完全基于气候，重要的是检测所有气象数据的趋势。在降雨和最高最高温度（39年）冬季冬季季风，季风，季风研究中的趋势变异分析和检测，为乌代普尔区进行。随着冬季降雨的减少会影响该地区的rabi作物。季风普通季度和季风降雨量略有增加，这可能是在特定地区的季风季节的早期降雨。在冬季，该地区的温度显示出增加的趋势，这可能是由于降雨趋势的降低。

确认

作者希望承认耶和华kumar和P. S. Kashyap博士，科技学院土壤和水资源保护工程系，G. B.Pant Technoloce Pantnagar大学，为成功完成这项研究工作而支持。

我们没有收到大学或外部基金的任何内部基金或非政府组织。

参考文献

1. Almeida C.T，Oliveiora，JúniorJ.F，德尔加多·卢比，古斯P，拉莫斯M.C.C.天空腾出和温度趋势在整个巴西法律亚马逊，1973 - 2013年。国际气候学杂志．2017; 37（4）：2013-2026。
   十字架
2. Cheung WH，Senay GB，Singh A.埃塞俄比亚年度和季节降雨的趋势和空间分布。国际气候学杂志．2008;28日(13):1723 - 34。
   十字架
3. De Longueville F，Hountondji Y. C，Linkodi，Gemenne F，Ozer P.Szer P.Song of Clikina Faso的降雨和温度数据分析（1950-2013）。国际气候学杂志．2016; 36（13）：4393-4405。
   十字架
4. Emmanuel L，Hounguèn，Biaou C，Badou D. Mono River流域近期和未来降雨和温度变异性的统计分析（贝宁，多哥）。气候．2019年;7（1）：8-34。
   十字架
5. Guhathakurta P，Rajeevan M.印度降雨模式的趋势。国际气候学杂志。2008;28（11）：1453-1469。
   十字架
6. Haris A. A，Chhabra V，Biswas S.降雨和高温趋势在比哈尔的三个代表杂志。农业气象学杂志．2010;12（1）：37-39。
7. Jain S.K，Kumar V，Saharia M.东北地区降雨和温度趋势分析。国际气候学杂志．2013;33(4): 968 - 78。
   十字架
8. Kumar R，Farooq Z，Jhajharia D，Singh V. P. Leh（Jammu和Kashmir），印度喜马拉雅环境的温度趋势。气候变化影响，2018;3-13。
   十字架
9. Lanzante J. R.分析气候数据的抗性，强大和非参数化技术：理论和实例，包括历史无线电站数据的应用．国际气候学杂志：中国皇家气象学杂志。1996年;16（11）：1197-1226。
   十字架
10. Meshram S.G，Singh V.P，Meshram C.印度Chhattisgarh州的长期趋势和降水变异。理论和应用的气候学．2017;129(3 - 4): 729 - 44。
    十字架
11. Mondal A，Kundu S，Mukhopadhyay A. Mann-Kendall试验的降雨趋势分析：奥里萨邦中东地区东北部的案例研究。国际地质，地球与环境科学杂志．2012;2（1）：70-8。
12. Pingale Sm，Khare D，Jat Mk，Adamowski J.印度干旱和半干旱地区33个城市中心的平均和极端降雨量和温度的空间和时间趋势。大气研究．2014;138：73-90。
    十字架
13. Rao Y，P. 1981.印度次大陆的气候。世界气候学调查．1981;9：67-182。
14. Rossi R. E，Mulla D.J，Journel A.G，Franz E. H. H.用于建模和解释生态空间依赖的地质统计工具。生态专着．1992年;62（2）：277-314。
    十字架
15. Yadav R，Tripathi S.K，Pranuthi G，Dubey S. K。富特拉克手三十地区降水和温度的Mann-Kendall试验趋势分析。农业气象学杂志．2014;16（2）：164。